RLCAD：面向含旋转操作的 CAD 命令序列生成的强化学习训练 Gym
机器学习
2025-12-10 v3 人工智能
摘要
CAD 命令序列是 3D CAD 系统中典型的参数化设计范式，通过将 2D 草图与拉伸、旋转和布尔操作等操作叠加来构建模型。尽管学术界对自动生成命令序列的兴趣日益浓厚，但现有方法和数据集仅支持 2D 草图绘制、拉伸和布尔操作。这一局限性使得表示更复杂的几何形状变得极具挑战性。在本文中，我们提出了一个构建于 CAD 几何引擎之上的强化学习 (RL) 训练环境。给定输入边界表示 (B-Rep) 几何，RL 算法中的策略网络生成一个动作。该动作与先前生成的动作一起在 gym 内进行处理以生成相应的 CAD 几何，随后将其反馈给策略网络。由 gym 内生成几何与目标几何之间的差异所确定的奖励用于更新 RL 网络。我们的方法支持草图、布尔和拉伸之外的操作，包括旋转操作。借助该训练 gym，我们在从 B-Rep 几何生成命令序列方面达到了最先进的 (SOTA) 质量。
引用
@article{arxiv.2503.18549,
title = {RLCAD: Reinforcement Learning Training Gym for Revolution Involved CAD Command Sequence Generation},
author = {Xiaolong Yin and Xingyu Lu and Jiahang Shen and Jingzhe Ni and Hailong Li and Ruofeng Tong and Min Tang and Peng Du},
journal= {arXiv preprint arXiv:2503.18549},
year = {2025}
}